Python numpy ma.inner用法及代碼示例

本文簡要介紹 python 語言中 numpy.ma.inner 的用法。

用法:

ma.inner(a, b, /)

兩個數組的內積。

一維數組(沒有複共軛)的向量的普通內積，在更高維度上是最後一個軸的和積。

參數：

a, b： array_like

如果 a 和 b 是非標量，它們的最後一個維度必須匹配。

返回：

out： ndarray

如果a和b都是標量或都是一維數組，則返回標量；否則返回一個數組。out.shape = (*a.shape[:-1], *b.shape[:-1])

拋出：

ValueError

如果 a 和 b 都是非標量並且它們的最後一個維度具有不同的大小。

注意：

掩碼值被 0 替換。

對於向量(一維數組)，它計算普通的inner-product：

np.inner(a, b) = sum(a[:]*b[:])

更一般地說，如果ndim(a) = r > 0和ndim(b) = s > 0：

np.inner(a, b) = np.tensordot(a, b, axes=(-1,-1))

或明確：

np.inner(a, b)[i0,...,ir-2,j0,...,js-2]
     = sum(a[i0,...,ir-2,:]*b[j0,...,js-2,:])

此外 a 或 b 可以是標量，在這種情況下：

np.inner(a,b) = a*b

例子：

向量的普通內積：

>>> a = np.array([1,2,3])
>>> b = np.array([0,1,0])
>>> np.inner(a, b)
2

一些多維示例：

>>> a = np.arange(24).reshape((2,3,4))
>>> b = np.arange(4)
>>> c = np.inner(a, b)
>>> c.shape
(2, 3)
>>> c
array([[ 14,  38,  62],
       [ 86, 110, 134]])

>>> a = np.arange(2).reshape((1,1,2))
>>> b = np.arange(6).reshape((3,2))
>>> c = np.inner(a, b)
>>> c.shape
(1, 1, 3)
>>> c
array([[[1, 3, 5]]])

b 是標量的示例：

>>> np.inner(np.eye(2), 7)
array([[7., 0.],
       [0., 7.]])